Реєстраційний номер
0826U005410, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
09-10-2026
Статус
Запланована
Чому дисертація має статус "Запланована"?
Назва роботи
Моделі ансамблевої класифікації зображень на основі стекінгу нейронних мереж.
Здобувач
Баранов Олексій Миколайович,
Керівник Галчонков Олег Миколайович
Опонент Машталір Сергій Володимирович
Опонент Угрін Дмитро Ілліч
Рецензент Ніколенко Анатолій Олександрович
Рецензент Фомін Олександр Олексійович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Національний університет "Одеська політехніка"
Опис
Дисертаційна робота присвячена розробці моделей і методів підвищення ефективності ансамблевої класифікації зображень на основі стекінгу нейронних мереж (НМ) для застосувань з невеликими розмірами зображень та обмеженими навчальними вибірками.
Метою роботи є підвищення якості класифікації та/або зменшення обсягу обчислень при ансамблевій класифікації зображень зі стекінгом НМ шляхом розробки відповідних нейромережевих моделей і методів.
Для досягнення мети розв’язано такі завдання:
- Провести аналіз підходів ансамблевої класифікації зображень, що забезпечують підвищене співвідношення якості та обсягу обчислень в умовах низької роздільної здатності й дефіциту даних.
- Розробити модель першого ступеня ансамблевого класифікатора зі стекінгом НМ та метод визначення її структурно-параметричних ознак.
- Розробити модель другого ступеня ансамблевого класифікатора зі стекінгом НМ.
- Дослідити застосування розроблених моделей і методу для класифікації зображень в автономних робототехнічних комплексах.
Об’єкт дослідження – процес ансамблевої класифікації зображень в умовах низької роздільної здатності та дефіциту навчальних даних.
Предмет дослідження – моделі й методи ансамблевої класифікації зображень зі стекінгом нейронних мереж.
Результати ґрунтуються на теорії нейронних мереж, матриць, ймовірностей і математичної статистики, а також методах лінійної алгебри та функціонального аналізу (теорія апроксимації та розкладання у ряди).
На основі досліджень розв’язано наукове завдання:
– розробка моделі та методу нарощування кількості нейромереж на першому ступені в ансамблевих класифікаторах зі стекінгом НМ;
– розвиток моделей об’єднання результатів базових мереж на другому ступені класифікатора.
Наукова новизна отриманих результатів:
1. Вдосконалено модель першого ступеня ансамблевого класифікатора зі стекінгом НМ для низькороздільних зображень за дефіциту даних шляхом додавання до базових класифікаторів їхніх клонів, навчених на вибірках, сформованих за визначеними операторами перетворення.
2. Вперше запропоновано метод визначення структурно-параметричних ознак моделі першого ступеня ансамблю на основі операторів повороту та циклічного зсуву вхідних зображень.
3. Вперше запропоновано модель НМ MLP-KAN, яка відрізняється від класичного перцептрона заміною першого прихованого шару на шар Колмогорова–Арнольда (KAN). Це уможливило одночасне навчання функцій активації та ваг, скоротивши кількість навчальних параметрів зі збереженням точності.
4. Вдосконалено модель другого ступеня ансамблевого класифікатора шляхом заміни MLP на адаптовану модель MLP-KAN з урахуванням специфіки вихідного вектора ознак першого ступеня, що зменшило обчислювальні витрати без втрати якості.
Робота виконана згідно з планом НДР НУ «Одеська політехніка» за грантом НФДУ № 131/0161 «Використання штучного інтелекту для підвищення якості визначення вибухових пристроїв мультисенсорним дроном-міношукачем» та НДР №723-43 «Розробка інтелектуальних сенсорів дистанційного комплексного моніторингу деградації грунтів повоєнних територій».
Практичне значення результатів полягає у:
1. Підвищенні якості класифікації у системах реального часу з обмеженими обчислювальними ресурсами й навчальними вибірками.
2. Зменшенні обсягу навчальних вагових коефіцієнтів у моделях стекінгу НМ зі збереженням точності.
3. Створенні архітектур з високим рівнем паралелізації обчислень для обробки зображень у реальному часі.
Апробація та впровадження:
Результати впроваджено у ПЗ мультисенсорного дрона-міношукача (грант НФДУ № 131/0161, довідка № 1009/64-07 від 11.06.2026), у розробках НДР № 723-43 з дистанційного моніторингу деградації ґрунтів (довідка № 1009/64-07 від 11.06.2026), а також в освітньому процесі НУ «Одеська політехніка» (довідка № 1008/64-07 від 11.06.2026).
Публікації:
За матеріалами дослідження опубліковано 8 наукових праць: 6 статей (2 у фахових виданнях категорії «Б», 4 у періодичних виданнях України, що індексуються у Scopus) та 2 тези доповідей на міжнародних конференціях (Scopus).
Дата реєстрації
2026-10-07
Додано/оновлено в НРАТ
2026-10-07 / 2026-10-07
